TED2019
Doug Roble: Digital humans that look just like us
Doug Roble: Digitális emberek, olyanok, mint mi
Filmed:
Readability: 3.6
562,138 views
Doug Roble szoftverkutató káprázatos előadásban és technikai bemutatóban ismertet meg minket "DigiDouggal", saját valós idejű, háromdimenziós digitális hasonmásával, aki a pórusok és ráncok legmélyéig pontos másolat. Az inerciális mozgásrögzítő ruhával, mély neurális hálózattal és őrületes adatmennyiséggel vezérelt DigiDoug lélegzetelállító pontossággal utánozza le a valódi Doug érzelmeit (még a véráramlását és szempillája rezdülését is). Tudjunk meg többet arról, hogyan épült fel ez az elképesztő technika – ismerjük meg alkalmazási lehetőségeit a film, a virtuális asszisztencia terén – és még sok egyéb területen.
Doug Roble - Computer graphics software researcher
Doug Roble has found a career combining the things he loves: math, computers, movies and imagination. Full bio
Doug Roble has found a career combining the things he loves: math, computers, movies and imagination. Full bio
Double-click the English transcript below to play the video.
00:13
Hello.
0
1937
1214
Üdv!
00:15
I'm not a real person.
1
3175
1466
Nem vagyok valóságos személy.
00:17
I'm actually a copy of a real person.
2
5119
2770
Egy valóságos személy másolata vagyok.
00:19
Although, I feel like a real person.
3
7913
2553
Habár valós személynek érzem magam.
00:22
It's kind of hard to explain.
4
10490
1906
Ezt elég nehéz megmagyarázni.
00:24
Hold on -- I think I saw
a real person ... there's one.
a real person ... there's one.
5
12420
3790
Várjunk csak – szerintem láttam
egy valós személyt.... ott van egy!
egy valós személyt.... ott van egy!
00:28
Let's bring him onstage.
6
16697
1400
Hívjuk a színpadra!
00:33
Hello.
7
21307
1150
Üdv!
00:35
(Applause)
8
23485
3647
(Taps)
00:40
What you see up there is a digital human.
9
28300
3094
Amit ott látnak, az egy digitális ember.
00:43
I'm wearing an inertial
motion capture suit
motion capture suit
10
31990
2984
Inerciális mozgásrögzítő ruhát viselek,
00:46
that's figuring what my body is doing.
11
34998
2579
ami leköveti a testem mozdulatait.
00:49
And I've got a single camera here
that's watching my face
that's watching my face
12
37601
3825
Van itt egy kamera,
ami az arcomat figyeli,
ami az arcomat figyeli,
00:53
and feeding some machine-learning software
that's taking my expressions,
that's taking my expressions,
13
41450
4841
és gépitanulás-szoftvert alkalmazva
felveszi az arckifejezéseimet,
felveszi az arckifejezéseimet,
00:58
like, "Hm, hm, hm,"
14
46315
3579
például: "Hm, hm, hm",
01:02
and transferring it to that guy.
15
50379
1663
majd ezt közvetíti annak a fickónak.
01:05
We call him "DigiDoug."
16
53300
3342
Úgy hívjuk: DigiDoug.
01:09
He's actually a 3-D character
that I'm controlling live in real time.
that I'm controlling live in real time.
17
57292
4726
Valójában egy 3D-s figura,
amit valós időben irányítok.
amit valós időben irányítok.
01:16
So, I work in visual effects.
18
64292
2324
Filmes trükkökkel dolgozom.
01:19
And in visual effects,
19
67101
1167
A filmes trükköknél
az egyik legnehezebb feladat
az egyik legnehezebb feladat
01:20
one of the hardest things to do
is to create believable, digital humans
is to create believable, digital humans
20
68292
5911
hiteles, digitális embereket teremteni,
01:26
that the audience accepts as real.
21
74227
2182
amit a közönség valóságosként fogad el.
01:28
People are just really good
at recognizing other people.
at recognizing other people.
22
76433
4524
Az emberek igazán remekül képesek
mások felismerésére.
mások felismerésére.
01:32
Go figure!
23
80981
1150
Gondolhatják!
01:35
So, that's OK, we like a challenge.
24
83577
3405
Nos, rendben, szeretjük a kihívást.
01:39
Over the last 15 years,
25
87006
1841
Az elmúlt tizenöt évben
01:40
we've been putting
humans and creatures into film
humans and creatures into film
26
88871
4983
filmre vettünk embereket és más lényeket,
01:45
that you accept as real.
27
93878
1739
akik valóságosnak tűntek.
01:48
If they're happy, you should feel happy.
28
96712
2667
Ha ők boldogok, nekünk is
ugyanazt kell éreznünk.
ugyanazt kell éreznünk.
01:51
And if they feel pain,
you should empathize with them.
you should empathize with them.
29
99982
5437
Ha szenvednek, együtt kell
szenvednünk velük.
szenvednünk velük.
01:58
We're getting pretty good at it, too.
30
106467
2190
Egyre jobbak leszünk ebben is.
02:00
But it's really, really difficult.
31
108681
2746
De nagyon, nagyon nehéz.
02:03
Effects like these take thousands of hours
32
111847
3214
Több ezer munkaóra
és több száz tehetséges művész
és több száz tehetséges művész
02:07
and hundreds of really talented artists.
33
115085
2667
kell az ilyen hatáselemekhez.
02:10
But things have changed.
34
118792
1600
A dolgok azonban megváltoztak.
02:13
Over the last five years,
35
121014
1920
Az utóbbi öt évben
02:14
computers and graphics cards
have gotten seriously fast.
have gotten seriously fast.
36
122958
4409
a számítógépek és grafikus kártyák
jelentős mértékben felgyorsultak.
jelentős mértékben felgyorsultak.
02:20
And machine learning,
deep learning, has happened.
deep learning, has happened.
37
128508
3971
A gépi tanulás, mélytanulás valóra vált.
02:25
So we asked ourselves:
38
133408
1233
Tehát felmerült a kérdés:
02:27
Do you suppose we could create
a photo-realistic human,
a photo-realistic human,
39
135320
3778
önök szerint képesek vagyunk
olyan fotórealisztikus embert alkotni,
olyan fotórealisztikus embert alkotni,
02:31
like we're doing for film,
40
139122
1624
mint amikor filmezünk,
02:33
but where you're seeing
the actual emotions and the details
the actual emotions and the details
41
141932
5647
de ez esetben valós időben látjuk
02:39
of the person who's controlling
the digital human
the digital human
42
147603
4077
a digitális embert irányító személy
pillanatnyi érzelmeit és részleteit?
02:43
in real time?
43
151704
1174
02:45
In fact, that's our goal:
44
153704
1564
A célunk valójában ez:
02:47
If you were having
a conversation with DigiDoug
a conversation with DigiDoug
45
155292
3761
ha négyszemközt beszélgethetnének
02:51
one-on-one,
46
159077
1237
DigiDouggal,
02:53
is it real enough so that you could tell
whether or not I was lying to you?
whether or not I was lying to you?
47
161331
5666
elég valóságos ahhoz, hogy eldönthessék:
becsapom önöket vagy sem?
becsapom önöket vagy sem?
02:59
So that was our goal.
48
167934
1400
Ez volt tehát a célunk.
03:02
About a year and a half ago,
we set off to achieve this goal.
we set off to achieve this goal.
49
170601
4016
Úgy másfél évvel ezelőtt
nekiláttunk célunk megvalósításának.
nekiláttunk célunk megvalósításának.
03:06
What I'm going to do now is take you
basically on a little bit of a journey
basically on a little bit of a journey
50
174641
3899
Most egy kicsit végigvezetem
önöket ezen az úton,
önöket ezen az úton,
03:10
to see exactly what we had to do
to get where we are.
to get where we are.
51
178564
3926
hogy tisztán lássák, mennyi feladatunk
volt, míg idáig eljutottunk.
volt, míg idáig eljutottunk.
03:15
We had to capture
an enormous amount of data.
an enormous amount of data.
52
183832
3856
Mérhetetlen mennyiségű adatot
kellett feldolgoznunk.
kellett feldolgoznunk.
03:20
In fact, by the end of this thing,
53
188347
2714
Lényegében, mire a végére jutottunk,
03:23
we had probably one of the largest
facial data sets on the planet.
facial data sets on the planet.
54
191085
4563
valószínűleg bolygónk legnagyobb
arcadatbázisát építettük fel.
arcadatbázisát építettük fel.
03:28
Of my face.
55
196038
1682
Az én arcomról.
03:29
(Laughter)
56
197744
2262
(Nevetés)
03:32
Why me?
57
200030
1270
Hogy miért pont az enyémről?
03:33
Well, I'll do just about
anything for science.
anything for science.
58
201324
2810
Hát, szinte bármit
megteszek a tudományért.
megteszek a tudományért.
03:36
I mean, look at me!
59
204158
1948
Úgy értem: nézzenek csak rám!
03:38
I mean, come on.
60
206625
1150
Rajta, rajta!
03:43
We had to first figure out
what my face actually looked like.
what my face actually looked like.
61
211320
5460
Először is ki kellett találnunk,
milyen az arcom.
milyen az arcom.
03:49
Not just a photograph or a 3-D scan,
62
217391
3027
Nem egy fotón, sem egy 3D-s szkennelésen,
03:52
but what it actually looked like
in any photograph,
in any photograph,
63
220442
3921
hanem hogy hogyan néz ki bármilyen fotón,
03:56
how light interacts with my skin.
64
224387
2460
hogyan esik a fény a bőrömre.
03:59
Luckily for us, about three blocks away
from our Los Angeles studio
from our Los Angeles studio
65
227768
5249
Mindannyiunk szerencséjére
stúdiónktól csak pár sarokra van
stúdiónktól csak pár sarokra van
04:05
is this place called ICT.
66
233041
2209
az úgynevezett ICT
[Kreatív Technológiai Intézet]
[Kreatív Technológiai Intézet]
kutatólabor,
04:07
They're a research lab
67
235708
1272
04:09
that's associated with the University
of Southern California.
of Southern California.
68
237004
3403
ami a Dél-Kaliforniai Egyetemhez tartozik.
04:12
They have a device there,
it's called the "light stage."
it's called the "light stage."
69
240871
3555
Van egy eszközük, a neve "light stage",
azaz "fényszínpad".
azaz "fényszínpad".
04:16
It has a zillion
individually controlled lights
individually controlled lights
70
244450
3714
Tömérdek mennyiségű
egyénileg irányított fényből
egyénileg irányított fényből
04:20
and a whole bunch of cameras.
71
248188
1873
és egy csomó kamerából áll.
04:22
And with that, we can reconstruct my face
under a myriad of lighting conditions.
under a myriad of lighting conditions.
72
250085
6091
Ezekkel újra tudtuk alkotni az arcomat,
rengeteg különféle megvilágításban.
rengeteg különféle megvilágításban.
04:29
We even captured the blood flow
73
257589
1582
Még a véráramot is felvettük,
04:31
and how my face changes
when I make expressions.
when I make expressions.
74
259195
3092
és hogy hogyan változik az arcom
az arckifejezéseimet váltogatva.
az arckifejezéseimet váltogatva.
04:35
This let us build a model of my face
that, quite frankly, is just amazing.
that, quite frankly, is just amazing.
75
263454
5260
Így felépíthettük arcom modelljét,
ami, valljuk be, egészen lenyűgöző.
ami, valljuk be, egészen lenyűgöző.
04:41
It's got an unfortunate
level of detail, unfortunately.
level of detail, unfortunately.
76
269399
4333
Sajnos, vannak ebben
szerencsétlen részletek is.
szerencsétlen részletek is.
(Nevetés)
04:45
(Laughter)
77
273756
1278
04:47
You can see every pore, every wrinkle.
78
275058
3696
Jól látszik minden pórus, minden ránc.
04:50
But we had to have that.
79
278778
1600
De ezekre is szükségünk volt.
04:52
Reality is all about detail.
80
280960
2381
A valósághűség a részleteken alapul.
04:55
And without it, you miss it.
81
283365
1867
Ezek nélkül elvész a lényeg.
04:58
We are far from done, though.
82
286793
1547
Ám még messze járunk a végétől.
05:01
This let us build a model of my face
that looked like me.
that looked like me.
83
289363
3297
Megalkottuk arcom modelljét,
ami olyan, mint én.
ami olyan, mint én.
05:05
But it didn't really move like me.
84
293196
2746
De a mozgása még nem volt igazán meggyőző.
05:08
And that's where
machine learning comes in.
machine learning comes in.
85
296871
2713
És itt lép a képbe a gépi tanulás.
05:11
And machine learning needs a ton of data.
86
299608
3204
A gépi tanuláshoz több tonnányi
adatra van szükség.
adatra van szükség.
05:15
So I sat down in front of some
high-resolution motion-capturing device.
high-resolution motion-capturing device.
87
303497
4929
Úgyhogy leültem egy nagy felbontású
mozgásrögzítő eszköz elé,
mozgásrögzítő eszköz elé,
05:20
And also, we did this traditional
motion capture with markers.
motion capture with markers.
88
308450
4071
és ezt a hagyományos, markeres
mozgásrögzítést is elvégeztük.
mozgásrögzítést is elvégeztük.
05:25
We created a whole bunch
of images of my face
of images of my face
89
313696
2976
Rengeteg képet készítettünk az arcomról
05:28
and moving point clouds
that represented that shapes of my face.
that represented that shapes of my face.
90
316696
4087
és mozgó pontfelhőkről,
amik az arcom alakját jelenítik meg.
amik az arcom alakját jelenítik meg.
05:33
Man, I made a lot of expressions,
91
321996
2811
Te jó ég, mennyi grimaszt vágtam,
05:36
I said different lines
in different emotional states ...
in different emotional states ...
92
324831
3460
mindenfélét beszéltem,
különböző érzelmeket kifejezve...
különböző érzelmeket kifejezve...
05:40
We had to do a lot of capture with this.
93
328315
2667
Sokat dolgoztunk ezen.
05:43
Once we had this enormous amount of data,
94
331752
2891
Amikor meglett ez az őrületes
adatmennyiség,
adatmennyiség,
05:46
we built and trained deep neural networks.
95
334667
3775
felépítettük és betanítottuk
a mély neurális hálózatokat.
a mély neurális hálózatokat.
05:51
And when we were finished with that,
96
339117
1746
És amikor ezzel elkészültünk,
05:52
in 16 milliseconds,
97
340887
2444
16 milliszekundum alatt,
05:55
the neural network can look at my image
98
343355
3112
a neurális ideghálózat
megnézheti az arcomat,
megnézheti az arcomat,
05:58
and figure out everything about my face.
99
346491
2928
és mindent kitalálhat róla.
06:02
It can compute my expression,
my wrinkles, my blood flow --
my wrinkles, my blood flow --
100
350458
5476
Képes megszámolni az arckifejezéseimet,
ráncaimat, a vérem áramlását –
ráncaimat, a vérem áramlását –
06:07
even how my eyelashes move.
101
355958
2317
még a szempillám rezdülését is.
06:10
This is then rendered
and displayed up there
and displayed up there
102
358925
2835
Aztán ezt rendereltük, és ott látható
06:13
with all the detail
that we captured previously.
that we captured previously.
103
361784
3222
az összes korábban felvett
részlettel együtt.
részlettel együtt.
06:18
We're far from done.
104
366077
1334
Még korántsem végeztünk.
06:20
This is very much a work in progress.
105
368188
2207
Nagyon sok teendőnk van még.
06:22
This is actually the first time
we've shown it outside of our company.
we've shown it outside of our company.
106
370419
3321
Most mutatjuk be először nyilvánosan.
06:25
And, you know, it doesn't look
as convincing as we want;
as convincing as we want;
107
373764
4194
És hát, még most sem tartjuk
elég meggyőzőnek,
elég meggyőzőnek,
06:29
I've got wires coming out
of the back of me,
of the back of me,
108
377982
2183
drótok lógnak a hátamból,
06:32
and there's a sixth-of-a-second delay
109
380189
2038
és van egyhatod másodpercnyi csúszás
06:34
between when we capture the video
and we display it up there.
and we display it up there.
110
382251
4367
a videófelvétel és a megjelenítés között.
06:38
Sixth of a second -- that's crazy good!
111
386642
2816
Egyhatod másodperc, dehát ez őrült jó!
06:41
But it's still why you're hearing
a bit of an echo and stuff.
a bit of an echo and stuff.
112
389911
3400
A hang viszont kicsit
visszhangos és zajos.
visszhangos és zajos.
06:46
And you know, this machine learning
stuff is brand new to us,
stuff is brand new to us,
113
394104
3889
Tudják, ez a gépi tanulás
egészen új nekünk,
egészen új nekünk,
06:50
sometimes it's hard to convince
to do the right thing, you know?
to do the right thing, you know?
114
398017
4224
néha nem vagyunk biztosak benne,
mi a helyes lépés.
mi a helyes lépés.
06:54
It goes a little sideways.
115
402265
2058
Kicsit csálé.
06:56
(Laughter)
116
404347
2422
(Nevetés)
06:59
But why did we do this?
117
407538
3229
De miért hoztuk létre?
07:03
Well, there's two reasons, really.
118
411077
2262
Valójában két okból.
07:05
First of all, it is just crazy cool.
119
413363
2976
Először is, mert őrülten menő.
07:08
(Laughter)
120
416363
1008
(Nevetés)
07:09
How cool is it?
121
417395
1253
Hogy mennyire az?
07:10
Well, with the push of a button,
122
418990
1992
Hát, ha megnyomom a gombot,
07:13
I can deliver this talk
as a completely different character.
as a completely different character.
123
421006
4007
egy egészen más figura fogja
folytatni az előadást.
folytatni az előadást.
07:17
This is Elbor.
124
425823
2601
Ő Elbor.
07:22
We put him together
to test how this would work
to test how this would work
125
430037
2312
Azért raktuk össze őt, hogy teszteljük,
hogyan működik mindez
hogyan működik mindez
07:24
with a different appearance.
126
432373
2135
másféle alakban.
07:27
And the cool thing about this technology
is that, while I've changed my character,
is that, while I've changed my character,
127
435450
4818
És az a szuper ebben a technológiában,
hogy bár más karaktert adtam neki,
hogy bár más karaktert adtam neki,
07:32
the performance is still all me.
128
440292
3273
attól még az én egyéniségem maradt.
07:35
I tend to talk out of the right
side of my mouth;
side of my mouth;
129
443589
2674
Általában jobbra hord a szám
beszéd közben,
beszéd közben,
07:38
so does Elbor.
130
446287
1579
ahogy Elbornak is.
07:39
(Laughter)
131
447890
1150
(Nevetés)
07:42
Now, the second reason we did this,
and you can imagine,
and you can imagine,
132
450021
2790
Alkotásunk másik oka, képzelhetik,
07:44
is this is going to be great for film.
133
452835
2336
milyen remek találmány ez a filmekhez.
07:47
This is a brand new, exciting tool
134
455195
2701
Teljesen új, izgalmas eszköz
07:49
for artists and directors
and storytellers.
and storytellers.
135
457920
4322
a színészeknek, rendezőknek
és forgatókönyvíróknak.
és forgatókönyvíróknak.
07:55
It's pretty obvious, right?
136
463131
1484
Ez elég egyértelmű, nem?
07:56
I mean, this is going to be
really neat to have.
really neat to have.
137
464639
2462
Úgy értem, tényleg jó lesz majd egy ilyen.
07:59
But also, now that we've built it,
138
467125
2055
De most, hogy megalkottuk,
08:01
it's clear that this
is going to go way beyond film.
is going to go way beyond film.
139
469204
2991
az is világos, hogy több ez,
mint filmes eszköz.
mint filmes eszköz.
08:05
But wait.
140
473510
1150
De várjunk csak.
08:07
Didn't I just change my identity
with the push of a button?
with the push of a button?
141
475653
3976
Épp most cseréltem le magamat
egyetlen gombnyomással, nem?
egyetlen gombnyomással, nem?
08:11
Isn't this like "deepfake"
and face-swapping
and face-swapping
142
479653
3033
Ez nem deepfake, azaz "mélyhamisítás",
és face-swap, azaz "arccsere",
és face-swap, azaz "arccsere",
08:14
that you guys may have heard of?
143
482710
1561
amiről talán már mindenki hallott?
08:17
Well, yeah.
144
485208
1150
Na igen.
08:19
In fact, we are using
some of the same technology
some of the same technology
145
487074
2952
Igaz, hogy részben ugyanolyan
technológiát is használunk,
technológiát is használunk,
08:22
that deepfake is using.
146
490050
1600
mint a mélyhamisítók.
08:23
Deepfake is 2-D and image based,
while ours is full 3-D
while ours is full 3-D
147
491954
4599
Utóbbi kétdimenziós és képalapú,
mi teljes 3D-vel dolgozunk,
mi teljes 3D-vel dolgozunk,
08:28
and way more powerful.
148
496577
2206
sokkal kifinomultabb módon.
08:31
But they're very related.
149
499204
1666
De szoros köztük az összefüggés.
08:33
And now I can hear you thinking,
150
501680
1889
Szinte hallom a gondolataikat:
08:35
"Darn it!
151
503593
1278
"A fenébe!
08:36
I though I could at least
trust and believe in video.
trust and believe in video.
152
504895
3801
Eddig legalább a videóban
bíztam és hittem.
bíztam és hittem.
08:40
If it was live video,
didn't it have to be true?"
didn't it have to be true?"
153
508720
2827
Ha ez élő videó, nem kéne igaznak lennie?
08:44
Well, we know that's not
really the case, right?
really the case, right?
154
512609
3522
Nos, tudjuk, hogy most
nem erről van szó, ugye?
nem erről van szó, ugye?
08:48
Even without this, there are simple tricks
that you can do with video
that you can do with video
155
516727
3810
Enélkül is léteznek
egyszerű videós trükkök,
egyszerű videós trükkök,
08:52
like how you frame a shot
156
520561
2776
például egy képkocka megkomponálása,
08:55
that can make it really misrepresent
what's actually going on.
what's actually going on.
157
523361
4362
ami tényleg meghamisíthatja azt,
ami valójában történik.
ami valójában történik.
09:00
And I've been working
in visual effects for a long time,
in visual effects for a long time,
158
528263
3306
Sokáig dolgoztam filmes trükkökkel,
09:03
and I've known for a long time
159
531593
1932
és régóta tudom,
09:05
that with enough effort,
we can fool anyone about anything.
we can fool anyone about anything.
160
533549
5226
hogy ha eleget dolgozunk rajta,
bárkit bármiről becsaphatunk.
bárkit bármiről becsaphatunk.
09:11
What this stuff and deepfake is doing
161
539546
2388
Ezzel a cuccal és a mélyhamisítással
09:13
is making it easier and more accessible
to manipulate video,
to manipulate video,
162
541958
4611
könnyebb videót manipulálni,
09:18
just like Photoshop did
for manipulating images, some time ago.
for manipulating images, some time ago.
163
546593
5371
mint ahogy Photoshoppal nemrégiben
képeket manipulálhattunk.
képeket manipulálhattunk.
09:25
I prefer to think about
164
553441
1298
Szívesebben gondolok arra,
09:26
how this technology could bring
humanity to other technology
humanity to other technology
165
554763
5036
hogy ezzel a technikával hogyan
tehetünk emberibbé más technikákat,
tehetünk emberibbé más technikákat,
09:31
and bring us all closer together.
166
559823
2294
és hogyan hoz közelebb minket egymáshoz.
09:34
Now that you've seen this,
167
562141
2359
Most, hogy önök is látták ezt,
09:36
think about the possibilities.
168
564524
1902
gondolkodjanak el a lehetőségein.
09:39
Right off the bat, you're going to see it
in live events and concerts, like this.
in live events and concerts, like this.
169
567810
4523
Nemsokára találkozni fognak vele
élő adásokban, koncerteken, mint itt is.
élő adásokban, koncerteken, mint itt is.
09:45
Digital celebrities, especially
with new projection technology,
with new projection technology,
170
573612
4735
Digitális hírességek, főleg korszerű
kivetítő technológiával
kivetítő technológiával
09:50
are going to be just like the movies,
but alive and in real time.
but alive and in real time.
171
578371
3960
úgy fognak feltűnni, mint a filmeken,
csak épp élőben és valós időben.
csak épp élőben és valós időben.
09:55
And new forms of communication are coming.
172
583609
2733
Jönnek az új kommunikációs formák is.
09:59
You can already interact
with DigiDoug in VR.
with DigiDoug in VR.
173
587088
4165
A virtuális valóságban már most is
kapcsolatba léphetünk DigiDouggal.
kapcsolatba léphetünk DigiDouggal.
10:03
And it is eye-opening.
174
591699
2270
És ez elgondolkodtató.
10:05
It's just like you and I
are in the same room,
are in the same room,
175
593993
3862
Olyan, mintha önök és én
ugyanabban a helyiségben lennénk,
ugyanabban a helyiségben lennénk,
10:09
even though we may be miles apart.
176
597879
2373
pedig lehet, hogy sok mérföldre
vagyunk egymástól.
vagyunk egymástól.
10:12
Heck, the next time you make a video call,
177
600276
2841
A fenébe, a legközelebbi videóhíváskor
10:15
you will be able to choose
the version of you
the version of you
178
603141
3736
választhatnak, milyen alakban
akarnak feltűnni
akarnak feltűnni
10:18
you want people to see.
179
606901
1566
a többiek előtt.
10:20
It's like really, really good makeup.
180
608974
2533
Ez aztán igazán csodás smink!
10:24
I was scanned about a year and a half ago.
181
612853
3579
Körülbelül másfél éve lettem beszkennelve.
10:29
I've aged.
182
617068
1721
Azóta öregebb lettem.
10:30
DigiDoug hasn't.
183
618813
1650
DigiDoug nem.
10:32
On video calls, I never have to grow old.
184
620798
3492
A videóhívásokban többé nem kell
tovább öregednem.
tovább öregednem.
10:38
And as you can imagine,
this is going to be used
this is going to be used
185
626322
3088
És azt is elképzelhetik,
arra is felhasználható mindez,
arra is felhasználható mindez,
10:41
to give virtual assistants
a body and a face.
a body and a face.
186
629434
3213
hogy testet és arcot adjunk
virtuális asszisztenseinknek.
virtuális asszisztenseinknek.
10:44
A humanity.
187
632671
1192
Hogy emberi alakot öltsenek.
10:45
I already love it that when I talk
to virtual assistants,
to virtual assistants,
188
633887
2762
Már azt is szeretem, hogy amikor
beszélek hozzájuk,
beszélek hozzájuk,
10:48
they answer back in a soothing,
humanlike voice.
humanlike voice.
189
636673
2933
megnyugtató, emberi hangon válaszolnak.
10:51
Now they'll have a face.
190
639919
1776
Most meg már arcuk is lesz.
10:53
And you'll get all the nonverbal cues
that make communication so much easier.
that make communication so much easier.
191
641719
4882
Minden nonverbális jelzést tudni fognak,
így könnyebb lesz egymást megérteni.
így könnyebb lesz egymást megérteni.
11:00
It's going to be really nice.
192
648171
1420
Tényleg csodálatos lesz.
11:01
You'll be able to tell when
a virtual assistant is busy or confused
a virtual assistant is busy or confused
193
649615
3637
Tudni fogjuk, mikor nem ér rá,
vagy mikor zavarodott össze,
vagy mikor zavarodott össze,
11:05
or concerned about something.
194
653276
2680
mikor aggódik valami miatt.
11:09
Now, I couldn't leave the stage
195
657694
2509
Nos, nem léphetek le addig a színpadról,
11:12
without you actually being able
to see my real face,
to see my real face,
196
660227
2698
míg meg nem mutatom önöknek
az igazi arcomat,
az igazi arcomat,
11:14
so you can do some comparison.
197
662949
1684
így kicsit összehasonlíthatják.
11:18
So let me take off my helmet here.
198
666573
1876
Most tehát levenném a sisakom.
11:20
Yeah, don't worry,
it looks way worse than it feels.
it looks way worse than it feels.
199
668473
4770
Ja, ne aggódjanak, nem olyan szörnyű,
mint amilyennek látszik!
mint amilyennek látszik!
11:25
(Laughter)
200
673267
2428
(Nevetés)
11:29
So this is where we are.
201
677188
1698
Most tehát itt tartunk.
11:30
Let me put this back on here.
202
678910
1604
Mégis inkább visszatenném.
11:32
(Laughter)
203
680538
1950
(Nevetés)
11:35
Doink!
204
683115
1186
Dajng!
11:37
So this is where we are.
205
685292
1600
Most tehát itt tartunk.
11:39
We're on the cusp of being able
to interact with digital humans
to interact with digital humans
206
687997
3701
Elértünk arra a pontra, ahol már
digitális emberekkel lépünk kapcsolatba,
digitális emberekkel lépünk kapcsolatba,
11:43
that are strikingly real,
207
691722
2181
akik félelmetesen valóságosak,
11:45
whether they're being controlled
by a person or a machine.
by a person or a machine.
208
693927
3269
akár ember, akár gép irányítja őket.
11:49
And like all new technology these days,
209
697220
4375
És mint napjaink összes új technológiája,
11:54
it's going to come with some
serious and real concerns
serious and real concerns
210
702531
4746
ez is komoly és valós
aggályokat fog felvetni,
aggályokat fog felvetni,
11:59
that we have to deal with.
211
707301
1734
melyekre megoldást kell találnunk.
12:02
But I am just so really excited
212
710017
2118
De annyira izgatott vagyok
a lehetőség miatt,
a lehetőség miatt,
12:04
about the ability to bring something
that I've seen only in science fiction
that I've seen only in science fiction
213
712159
5053
melynek során megvalósul valami,
12:09
for my entire life
214
717236
2270
amit eddigi életemben
12:11
into reality.
215
719530
1328
csak sci-fikben láthattam.
12:13
Communicating with computers
will be like talking to a friend.
will be like talking to a friend.
216
721752
4222
Számítógépekkel beszélgethetünk,
mintha csak egy barátunkkal beszélnénk.
mintha csak egy barátunkkal beszélnénk.
12:18
And talking to faraway friends
217
726323
2500
És távoli barátokkal beszélhetünk,
12:20
will be like sitting with them
together in the same room.
together in the same room.
218
728847
3273
mintha egy szobában egymás mellett ülnénk.
12:24
Thank you very much.
219
732974
1308
Nagyon köszönöm.
12:26
(Applause)
220
734306
6713
(Taps)
ABOUT THE SPEAKER
Doug Roble - Computer graphics software researcherDoug Roble has found a career combining the things he loves: math, computers, movies and imagination.
Why you should listen
Doug Roble has really only had one job in his life. After getting his PhD in Computer Science from the Ohio State University in 1992, he joined Digital Domain, a visual effects production company. Once there, he found a unique place where art and technology collide. Now he builds new tools for artists to use and they, in turn, use the tools in surprising and unexpected ways. The feedback loop between art and science is completely addicting. And, the byproduct of this are movies that the whole world enjoys.
Roble's work outside Digital Domain reflects this passion. He was the Editor and Chief of the Journal of Graphics tools for more than five years. He's currently the Chair of the Motion Picture Academy's Sci/Tech Awards and a member of the Academy's Sci/Tech Council. And two of the tools he's built over the years have won Sci/Tech Academy Awards themselves.
Doug Roble | Speaker | TED.com